Mechatronics 版 (精华区)
发信人: grace (忧昙花), 信区: Mechatronics
标 题: [转载] 电火花加工工艺决策技术的智能化研究
发信站: 紫 丁 香 (Mon Apr 24 19:49:30 2000), 转信
【 以下文字转载自 NTM 讨论区 】
【 原文由 luyang 所发表 】
由于电火花加工工艺的特殊性,所以其智能化历程相对较晚。面对电火花加工工艺设
计中的诸如参数优化、逻辑决策等问题的解决,传统的方法常显得有些无能为力,而智能
技术的发展则为其提供了许多有效的手段。
(1)专家系统的应用 专家系统技术是在电火花加工工艺设计中应用的最多且较为成熟
的技术。其实质是把有关的电火花加工工艺知识有效地结合到程序设计中,使系统具备专
家的求解能力。知识库中知识的质量决定了它的性能。其推理过程可以采用许多知识工程
的方法,日本学者金子勉曾提出一种多变量直接探索法 。专家系统多采用图形对话方式
的人机界面,只须用户输入一些必要的信息,如工件材料、电极材料、加工深度、精加工
表面粗糙度、电极截面积及电极缩减量等,即可自动地生成从粗加工到精加工的加工规准
和NC指令。
从80年代到现在,许多学者对专家系统在电火花加工工艺设计中的应用进行了研究,并在
实际中得到了应用。如SODICK公司开发的MAP系统,瑞士夏米尔公司开发的ROBOFORM100系
列, ,日本FANUC公司开发的FANUC TAPE CUT-WP系统,牧野铣床制作所开发的新专家系统
,三菱电机公司开发的E.X.P.E.R加工条件专家系统,国内北京电加工研究所开发了BELD
电火花成型加工智能化专家系统,哈尔滨工业大学与汉川机床厂合作研制的“智能化模糊
控制电火花数控系统”集成了智能自选规准功能等等 。
(2)模糊技术、人工神经网络和遗传算法的应用 模糊理论采用隶属函数来定量描述事
物的模糊性,可将人的定性思维和判断方法定量化,能更好地模拟熟练操作人员的思维过
程,并且适合计算机处理。目前,对电火花加工过程的模糊控制研究较多,并已经取得了
良好的效果;在进行工艺设计时同样有必要利用模糊技术。例如在日本FANUC公司开发的
FANUC TAPE CUT-WP系统中,就是将模糊技术与专家系统相结合,以隶属函数来表示所选
加工规准所能达到的各加工指标(加工速度、表面粗糙度、电极损耗等)对用户所希望的
加工指标的适合度,并且对各项加工指标赋予重视度,从而定量地解决用户对不同加工指
标的重视程度。
前述的专家系统在知识获取方面存在着困难,难以模拟形象思维。而人工神经网络的自组
织、自学习和容错性等特性,弥补了传统的专家系统的不足。电火花加工是一个复杂的随
机过程,具有多输入和多输出的特性,很多学者对神经网络在电火花加工中的应用进行了
有益的尝试。如台湾的Y. S. TARNG利用BP网络,采用模拟退火算法,分析了线切割加工
结果与加工参数之间的关系,有效地解决了线切割加工参数优化的问题。日本的小西康夫
等利用神经网络识别放电电压波形,有效地提高了加工状态的稳定性。
基于生物进化论和自然选择学说的遗传算法,作为一种随机的非数值并行寻优算法,被广
泛地应用于工程优化和机器学习等领域。在电火花加工领域,也有人尝试了遗传算法的应
用。三菱电机公司的千代知之利用遗传算法对型腔电火花加工中的多段加工条件的自动生
成进行了初步探讨。
(3)学习功能 一般的电火花加工工艺设计专家系统,其知识库中的知识不能随着新技
术,新工艺的出现而更新,更不能自组织、自学习、自优化,限制了系统的求解能力和应
用范围。此外还有必要从熟练操作者的操作事例中,学习他们所具有的知识和技能,不断
地提高解决问题的能力。因此学习功能越来越得到重视。SODICK公司提出一种具有学习功
能的电火花加工系统。日本学者金子勉提出的线切割经验蓄积型专家系统中,利用构成数
据库的GMDH(Group Method of Data Handling)算法,不仅可以蓄积所搜索到的最优加工
条件,而且能对数据进行组织,并归纳出输入输出变量之间的关系。丰田汽车公司的古谷
政典利用统计的手法,以前后相邻两步加工规准的各种比率,如表面粗糙度比、蚀除比等
作为参量来描述加工状态,通过对加工结果的解析来优化加工条件,从而实现了具有学习
功能的加工条件自动更新系统 。
总的来看,智能技术在电火花加工工艺决策中的应用研究还刚刚起步。目前在这方面做的
较好的是日本、瑞士等国家,这也与他们多年重视加工经验的积累和整理有关,日本为此
还成立了“加工知识网络推进研究委员会·放电技术委员会”,
--
dhf
yang
ya
※ 来源:·紫 丁 香 bbs.hit.edu.cn·[FROM: hcgrp-2.hit.edu]
--
※ 转载:.紫 丁 香 bbs.hit.edu.cn.[FROM: grace.hit.edu.cn]
Powered by KBS BBS 2.0 (http://dev.kcn.cn)
页面执行时间:5.524毫秒